[发明专利]对3D图像中对象进行检测的方法、计算机存储介质和系统

权利要求书

1.一种计算机实现的对3D图像中对象进行检测的方法，其特征在于，所述方法包括以下步骤：

利用处理器，基于所述3D图像直接使用3D学习网络得到一组特征映射，各个特征映射分别针对相应的不同对象尺寸，所述特征映射的每个栅格对应于所述3D图像中的区域，所述特征映射的栅格表示所述3D图像中与该栅格对应的区域内包含相应尺寸的对象的概率相关参数；

利用处理器，对于所述3D图像中的每个所述区域，基于该组特征映射中对应于该区域的各个栅格，来确定该区域中包含的对象的尺寸；以及

利用处理器，将所确定尺寸的对象的位置从特征映射的第一坐标系转换到3D图像的第二坐标系中，以得到所述第二坐标系中所确定尺寸的对象的定位。

2.根据权利要求1所述的对3D图像中对象进行检测的方法，其特征在于，所述3D学习网络是3D卷积网络。

3.根据权利要求1所述的对3D图像中对象进行检测的方法，其特征在于，所述3D图像是完整的3D图像或者3D图像的部分。

4.根据权利要求1所述的对3D图像中对象进行检测的方法，其特征在于，确定该区域中包含的对象的尺寸包括：

为每个特征空间下的像素点设置多个锚框，每个锚框对应一个精确尺寸，通过回归方法找到所述锚框对应的精确尺寸，然后利用非极大抑制方法来得到该对象的尺寸。

5.根据权利要求3所述的对3D图像中对象进行检测的方法，其特征在于，所述方法还包括，在所述3D图像是3D图像的部分的情况下：将为3D图像的各个部分得到的对象的检测结果进行拼合。

6.根据权利要求1所述的对3D图像中对象进行检测的方法，其特征在于，使用3D学习网络基于所述3D图像得到一组特征映射的步骤包括：

利用滑动窗口从所述3D图像生成图像块；

利用3D学习网络对所生成的图像块分别进行计算，以得到所述一组特征映射。

7.根据权利要求1所述的对3D图像中对象进行检测的方法，其特征在于，所述3D学习网络是3D全卷积网络。

8.根据权利要求5所述的对3D图像中对象进行检测的方法，其特征在于，所述3D图像的所述部分是通过沿纵轴对所述3D图像划分所得的组块。

9.根据权利要求1所述的对3D图像中对象进行检测的方法，其特征在于，所述对象包括结节，所述3D图像包括容积CT图像。

10.根据权利要求6所述的对3D图像中对象进行检测的方法，其特征在于，所利用的滑动窗口具有不同尺寸，使得所得到的特征映射是多尺度的。

11.根据权利要求7所述的对3D图像中对象进行检测的方法，其特征在于，基于对应于该区域的各个栅格来确定该区域中包含的对象的尺寸的步骤包括：

对所得到的一组特征映射进行下采样，以得到可变尺度的特征映射的组；

基于可变尺度的特征映射的组中多组特征映射对应于同个区域的数个栅格，来确定该区域中包含的对象的尺寸。

12.根据权利要求1所述的对3D图像中对象进行检测的方法，其特征在于，所述3D学习网络包括第一网络和至少第二网络，所述第一网络被配置为用于得到第一尺度的所述一组特征映射，所述第二网络被配置为用于得到第二尺度的所述一组特征映射，所述第一尺度和所述第二尺度不同，

基于对应于该区域的各个栅格来确定该区域中包含的对象的尺寸的步骤包括：基于第一尺度的特征映射的组和第二尺度的特征映射的组中对应于同个区域的数个栅格，来确定该区域中包含的对象的尺寸。

13.根据权利要求1-4中任何一项所述的对3D图像中对象进行检测的方法，其特征在于，使用3D学习网络基于所述3D图像得到多个特征映射的步骤包括：对所述3D图像进行分割；利用分割的结果作为约束条件来执行该步骤。